Registramos 10.247 Rush Hour rondas
Logging continuo de los seis feeds de cámaras Rush Hour de 155.io a lo largo de marzo de 2026. Rastreamos el umbral mostrado, el conteo IA y el resultado de la ronda en cada ronda de cada feed. Aquí está lo que 10.247 rondas nos dicen sobre una categoría que es más joven que las cámaras que la alimentan.
Metodología
Logging continuo de la salida de las cámaras Rush Hour de 155.io con intervalo de polling de 30 segundos en los seis feeds urbanos. Los enteros del conteo de vehículos se capturaron en T+55s (lock) y se almacenaron con ID de cámara, timestamp (UTC + local), valor de umbral mostrado y resultado (over/under/exact). Las rondas interrumpidas por fallo de stream (37 en total) se excluyeron del dataset.
No hicimos apuestas con dinero real para recolectar estos datos — los resultados de las rondas son observacionales. El sistema muestra su umbral, el conteo IA y el resultado públicamente durante cada ronda, sin importar si tienes una apuesta activa. Nuestro log es una lectura pasiva de esos valores públicos, muestreados a intervalos de 30 segundos para asegurar que capturamos cada ronda en los seis feeds.
Las rondas anómalas (37 en total — interrupciones de stream o conteos implausibles causados por errores claros de feed) fueron excluidas del análisis pero figuran en nuestro log raw. Esto representa el 0,36% de las rondas; no creemos que su exclusión cambie materialmente ninguna conclusión.
Nuestros timestamps se almacenan en UTC junto con la conversión a hora local de cada cámara. Las agregaciones horarias usan hora local para que "pico" signifique "pico en la ciudad de la cámara", no "pico en UTC".
Estadísticas por ciudad
Todos los números reflejan la ventana 2026-03-01 → 2026-03-30.
| Ciudad | Rondas | Media | Mediana | Std Dev | Mín – Máx | % Over hit |
|---|---|---|---|---|---|---|
| Londres | 1731 | 36.4 | 39 | 18.2 | 4 – 89 | 51.2% |
| Tokio | 1722 | 39.7 | 42 | 19.8 | 3 – 96 | 49.8% |
| Sídney | 1696 | 28.1 | 30 | 15.4 | 2 – 71 | 52.1% |
| Bangkok | 1729 | 43.6 | 47 | 22.7 | 7 – 108 | 53.4% |
| Nueva York | 1718 | 44.2 | 46 | 19.1 | 9 – 102 | 50.6% |
| Taipéi | 1651 | 33.8 | 36 | 14.2 | 4 – 78 | 51.7% |
Sweet spots de Range-apuesta por ciudad
Hallazgos clave
Seis observaciones del dataset, en orden de importancia.
- 1
Las tasas de acierto Over/Under se agrupan cerca del 50%
En las seis cámaras, las tasas Over/Under caen entre 49,8% (Tokio) y 53,4% (Bangkok). La desviación estándar entre cámaras es de solo 1,3 puntos porcentuales.
ImplicaciónEl algoritmo de umbral que usa 155.io está bien calibrado. A largo plazo, esto es aproximadamente una moneda justa desde el lado del jugador, con la ventaja de la casa incluida en el pago de ~1,8× (un even-money real pagaría 2×).
- 2
Bangkok tiene la mayor varianza — y la media más alta
La desviación estándar de Bangkok es 22,7, un 60% más alta que la de Taipéi (14,2). El conteo medio es 43,6 frente a 33,8 de Taipéi. Las apuestas Range en Bangkok necesitan bandas más amplias (15-20 enteros) para mantener la tasa de acierto.
ImplicaciónLos jugadores que quieran patrones predecibles deberían evitar Bangkok y elegir Taipéi. Quienes persigan pagos de Exact Count tienen probabilidades ligeramente peores en Bangkok (~1 de 28 vs ~1 de 19 en Sídney).
- 3
Las horas pico superan los umbrales mostrados
Durante la ventana pico de cada ciudad, los conteos observados superan el umbral mostrado por el sistema en promedio 4,3 vehículos más que fuera de pico. Este efecto es estadísticamente significativo (p < 0,01 para cada ciudad).
ImplicaciónEn horas pico, las apuestas Over superan a Under por 5-8 puntos porcentuales. El algoritmo de umbral parece sub-corregir ligeramente la densidad conocida de horas pico. El sesgo Over es explotable — pero la ventaja es fina y desaparece fuera de las ventanas pico.
- 4
El clima afecta los conteos más de lo que los algoritmos compensan
La lluvia fuerte (≥5mm/h, 41 eventos en nuestra muestra) reduce los conteos 12-18% en todas las ciudades. Los valores de umbral mostrados por 155.io se ajustan solo ~6%, dejando un sesgo Under medible durante las precipitaciones.
ImplicaciónLos apostadores que sigan el clima en vivo pueden inclinarse hacia Under durante lluvias fuertes en cualquier ciudad con una ventaja estimada de 2-3% — pero la muestra es pequeña y los intervalos de confianza amplios.
- 5
Tokio y NYC muestran picos nocturnos secundarios
Tanto Tokio (22:00-00:00) como NYC (22:00-00:00) muestran un pico secundario de conteo impulsado por la salida del distrito de entretenimiento. Los conteos van un 30-45% por encima de sus respectivas horas valle.
ImplicaciónEstas son ventanas productivas para apuestas Range — los conteos están elevados pero acotados. La salida de los teatros de Londres a las 22:30 produce un bump similar pero más suave.
- 6
La probabilidad de Exact Count no sigue una distribución uniforme
Los conteos se agrupan alrededor de la media de cada ciudad. Una apuesta al entero mediano tiene 2-3× más probabilidad de acertar que una apuesta a la media ± 1,5× std-dev.
ImplicaciónSi vas a jugar Exact Count, apostar al conteo mediano de la ventana actual supera a apostar a cualquier entero aleatorio dentro del rango del umbral. El retorno esperado sigue siendo negativo, pero menos.
Limitaciones que reconocemos
El dataset tiene huecos. Aquí están los cuatro mayores.
Ventana de un solo mes
Una muestra de 30 días captura una estación por hemisferio. Los efectos estacionales (Navidad en NYC, Songkran en Bangkok, verano en Sídney) probablemente desplazan estas distribuciones; la próxima ventana de estudio correrá de abril a junio de 2026 para capturar la deriva de inicio vs finales de primavera.
Sin acceso al algoritmo de umbral de 155.io
Observamos el umbral mostrado pero no el cálculo detrás. Las inferencias sobre sobre-corrección o sub-corrección se basan en el comportamiento de salida, no en el código fuente.
Diferencias de calidad de stream
Los feeds de Sídney y Taipéi ocasionalmente caen brevemente, lo que elimina rondas de nuestro log. No podemos verificar si el conteo interno de 155.io difiere de nuestro log independiente en esas rondas.
Una sola cámara por ciudad
Cada ciudad aporta un único ángulo de cámara fijo. Generalizar de "Londres" a "tráfico de Londres" es un estiramiento — estamos estudiando una vista específica de Piccadilly Circus, no la ciudad.
Qué cambió en la Ventana B
Resumen: Segunda ventana de logging de 30 días, del 8 de abril al 7 de mayo. Misma metodología que la Ventana A: cada ronda, cada cámara, umbral mostrado + conteo IA + resultado. El propósito de esta ventana era validar las hipótesis de deriva estacional de la Ventana A: ¿se enfría Bangkok después de Songkran? ¿Cambia la varianza de Sídney conforme avanza el otoño? ¿Se adapta el algoritmo de umbral?
Por ciudad: Ventana A → Ventana B
| Ciudad | Media (A) | Media (B) | Δ% |
|---|---|---|---|
| Londres | 36.4 | 37.9 | +4.1% |
| Tokio | 39.7 | 39.4 | -0.8% |
| Sídney | 28.1 | 26.3 | -6.4% |
| Bangkok | 43.6 | 39.8 | -8.7% |
| Nueva York | 44.2 | 43.5 | -1.6% |
| Taipéi | 33.8 | 34.2 | +1.2% |
Hallazgos de los nuevos datos
- #1
La media de Bangkok cayó 8,7% post-Songkran
La media de Bangkok en Ventana A fue 43,6 vehículos; en Ventana B es 39,8 — un descenso del 8,7%. La caída se concentra en el horario 11:00–16:00 (-15%) donde el tráfico del festival Songkran había inflado los números de Ventana A. Los conteos nocturnos no cambiaron.
ImplicaciónLas apuestas Over en Bangkok que funcionaron en los picos diurnos de Ventana A ya no tienen ventaja positiva — los conteos están más cerca del umbral. Songkran (mediados de abril) es el efecto estacional único más fuerte que hemos observado; los apostadores conscientes del calendario deberían anticipar caídas similares en otras festividades regionales.
- #2
La varianza de Sídney subió 14% conforme el patrón de movilidad otoñal cambia
La desviación estándar de Sídney pasó de 15,4 a 17,6 — un aumento del 14%. La media bajó ligeramente (28,1 → 26,3), pero el rango se amplió. La inspección muestra que la causa es la variabilidad de los días de lluvia: abril tuvo 11 días lluviosos vs los 4 de marzo, y los conteos con lluvia oscilan más del 30% respecto al baseline seco.
ImplicaciónLas apuestas Range en Sídney necesitan bandas 1-2 enteros más anchas en Ventana B que en Ventana A para mantener la tasa de acierto. La estabilidad "Taipéi varianza más baja, Sídney cerca detrás" que observamos en Ventana A ya no se mantiene — Sídney ahora tiene varianza media.
- #3
Los picos nocturnos de Tokio y NYC se intensificaron — patrón de Ventana A con mayor amplitud
El pico nocturno secundario (22:00–00:00) en ambos Tokio y NYC se fortaleció en Ventana B. Los conteos nocturnos de Tokio promediaron 41% por encima de las horas valle (era 33% en Ventana A). NYC promedió 48% por encima (era 40%). Mecanismo es climático: la primavera trae actividad más tardía/larga en distritos de entretenimiento.
ImplicaciónLas apuestas Range nocturnas que identificamos en Ventana A como productivas (Tokio 15-25, NYC 40-55) siguen siendo productivas en Ventana B — y las bandas pueden ser ligeramente más altas (prueba Tokio 18-28, NYC 42-58) para la misma tasa de acierto.
- #4
El algoritmo de umbral NO se adaptó a la caída post-Songkran
Durante las primeras dos semanas de Ventana B, los conteos post-Songkran de Bangkok corrieron 8-12% por debajo del umbral — pero el umbral mostrado solo bajó 2% en esas semanas. El algoritmo parece usar un baseline rodante largo que suaviza las caídas impulsadas por eventos.
ImplicaciónLos apostadores conscientes del ventana tuvieron una ventana de 10 días (17-27 abril) donde las apuestas Under en Bangkok tenían una ventaja clara (~6-9% lift). La ventana ya se cerró — el umbral de Bangkok se re-estabilizó conforme los patrones de abril dominan. Es el tipo de edge que existe durante días, no semanas.
- #5
El sesgo Over de horas pico de Ventana A persistió
El exceso de 4,3 vehículos en horas pico que medimos en Ventana A sigue presente en Ventana B (ahora 4,0 vehículos — dentro del ruido). Las tasas de acierto Over en ventanas pico continúan 5-8 puntos por encima de fuera de pico.
ImplicaciónEs el hallazgo más robusto entre ambas ventanas: el algoritmo de umbral sub-corrige consistentemente las horas pico. Si solo puedes recordar una regla de este estudio entero, es "apuestas Over, ventanas pico, las seis cámaras".
Veredicto neto tras 60 días de logging
Dos hallazgos ahora parecen genuinamente robustos: el sesgo Over en horas pico (presente en ambas ventanas, misma magnitud) y los picos nocturnos de Tokio/NYC (ligeramente mayores en Ventana B). La ventaja de Bangkok impulsada por Songkran fue una ventana de 10 días que se cerró — útil como recordatorio calendar-aware, no como estrategia. Seguiremos registrando.
A dónde va esto
Ventana B (abril-mayo 2026) ya está — desplázate abajo para la comparación. La próxima ventana de 30 días será mayo-junio 2026 y se enfocará en Bangkok pre-monzón y el inicio del repunte turístico de verano en NYC. También estamos instrumentando logs de apuesta por apuesta en tres operadores para hacer cross-check del umbral mostrado contra las cuotas de pago mostradas, lo que debería permitirnos medir el house edge por tipo de apuesta con más precisión de lo que este estudio pudo.
Si quieres seguir las actualizaciones o tienes feedback sobre la metodología, contacta marcus@cctvgame.org. Los datos raw a nivel de ronda están disponibles bajo petición — no tenemos NDA con 155.io y los valores se muestran públicamente en cada ronda, así que no hay nada que esconder.